【深度学习论文笔记】Learning Deep Face Representation



        时间：2014/9/25 17:00
        文章：《 LearningDeep Face Representation》

还没发表~

人脸的表示，易于实施，叫做Pyramid CNN，采用了greedy-filter-and-down-sample的操作，使得训练非常快，而且高效，并且PyramidCNN可以和多尺度人脸特征结合。97.3%的LFW。

传统的人脸表示特征方法：

而文章中，作者采用深度神经网络，DCNN来提取特征，其网络结构图：

注意文章的基本的网络结构不是传统上的CNN结构，而是“Siamese”网络【2005 Lecun 组的一篇文章。】，它的特点是它接收两个图片作为输入，而不是一张图片作为输入。
 

网络的主要特点:它们是由多个金字塔组成，分为不同个level级别的特征，每一个level的网络由两部分组成，一部分是共享的层，它由它的前一个level的网络层组成；另一部分是一个非共享层，在每一层中训练只需要训练非共享层就可以，而共享层是由前一个level的的网络层共享过来，每一个神经网络中，非共享层用来进行数据的预处理，比如卷积下采样等。（由于网络的共享层，使得每一个level的训练速度不会随着网络层数的增多而急剧提高的训练时间，说白了也就是说每次只需要训练网络的最后一层就可以了，前面的层可以保持固定。）

采用金字塔的原因在于：1.加快网络的训练速度；2.可以提取多尺度人脸结构特征；

注意每一个level有多个神经网络，分别对应于每个输入图像的patch。每个网络的训练目标函数都是下面的损失函数；

网络训练的损失函数表示为
 

其表示的意思就是同一个人的距离要相互接近，而非同一个人的表示要相互远离。利用这个损失函数来进行网络的训练。

训练方法：

最终的特征：它由所有的level所有的patch特征级联而成，而patch的选择则依赖于人脸特征点的检测和aligment。最终形成的特征其实是过完全的，也就是说有很多的冗余，但是很多文章都表明这种冗余性对于识别来说具有重要性。应该来说每一个level的所有的patch特征连接起来之后的向量就是一个人脸在这个level的特征了，多个level的特征再连接起来就形成了多尺度的特征表示。

文章还说了，PyramidCNN方法提取的特征可以很稀疏，最少可以在8d，而在这么低纬度的特征下，其识别率还不低。通过相同的维度特征的情况下进行识别率比较：其中LBP特征是通过了PCA降维到相对应的维度。
 

可以看出，PyramidCNN提取的特征，在维度低的情况下的识别率明显好于LBP,并且随着维度的降低它的识别率也不会像LBP那样子明显的下降。

新的评判标准：因为在LFW数据库上面的识别率已经达到了99%以上了，所以作者他自己提出了一个新的评判标准，在人脸verification中，正确的匹配可能会比错误的匹配少（在安全接入方面，希望falsepositive要尽可能的小，已防止非法进入）。新的评判标准就是在固定一个错误的接受率（false positive rate FPR）阈值下，评判各个算法的性能，如识别率等。